Новый математический инструмент создает карту развития клеток

Исследователи из Columbia University Medical Center разработали новый инструмент для описания множества возможных путей развития клетки. Основанный на математической области топологии, инструмент предоставляет «дорожную карту», дающую детальное представление о том, как стволовые клетки превращаются в специализированные.

Исследование опубликовано в Nature Biotechnology.

Каждый организм начинается с одной клетки. По мере деления её копии специализируются — становятся клетками сердца, кости или мозга — в процессе, известном как дифференцировка. Чтобы понять внутренние и внешние сигналы, направляющие клетки по этому пути, ученые секвенируют их РНК — молекулу-посредник, переводящую ДНК в белки.

Однако секвенирование РНК из группы клеток неидеально, так как клетки обычно находятся на разных стадиях развития. Для решения этой проблемы ученые разработали single-cell RNA sequencing. «Это как новый микроскоп, дающий возможность изучать множество биологических явлений одновременно, — говорит соавтор работы Рауль Рабадан. — Но исследователи по-прежнему сталкиваются с проблемой понимания взаимосвязей между различными состояниями клеток, которые управляют процессом развития».

Для изучения клеточного развития ученые используют математические инструменты для анализа огромных массивов данных секвенирования. Но эти инструменты опираются на допущения, сужающие возможные результаты. «Из-за сложности клеточного развития модели, основанные на допущениях, фактически ограничивают возможность новых открытий», — отмечает ведущий автор работы Аббас Ризви.

Доктор Ризви совместно с Пабло Г. Камарой обратились к топологии — области математики, изучающей пространственные отношения между поверхностями и формами, — чтобы выявить связи между различными клеточными состояниями и генами, активными в этих состояниях. В результате сотрудничества был создан алгоритм single-cell topological data analysis (scTDA). Алгоритм анализирует РНК-последовательности отдельных клеток, восстанавливает лежащие в основе траектории развития и фиксирует прогрессию различных транскрипционных программ во времени.

Исследователи использовали scTDA для картирования пути мышиных стволовых клеток, которые они стимулировали к превращению в клетки моторных нейронов. Карта правильно показала возможную траекторию развития этих клеток: от стволовых клеток до нейронов. Анализируя, какие гены были активны вблизи «развилок» на карте, ученые смогли идентифицировать белки, которые, по-видимому, направляют клеточное развитие в разных точках пути. Метод также был применен для изучения путей развития стволовых клеток из легких мыши, эмбрионов человека и мозга мыши.

«Мы ожидаем, что по мере анализа этого набора данных будет сделано еще много открытий, — говорит соавтор Том Маниатис. — Это действительно открывает возможности для очень глубокого анализа отдельных клеток на очень специфических стадиях развития».

«Этот подход дает глубокое понимание потенциальной судьбы клетки, предоставляя доступ к ключевым регуляторам и молекулярным переходам, определяющим идентичность клетки, — и представляя возможность направлять клетки в сторону от путей, оказывающих негативное влияние на её развитие», — говорит доктор Ризви.

В настоящее время подход применяется для раскрытия динамики и клеточного состава сложных биологических процессов, включая рак.